Graf wiedzy - wyszukiwanie semantyczne według Google

Wyszukiwanie semantyczne polega na poprawie dokładności wyszukiwania poprzez zrozumienie intencji i kontekstu wyszukiwanych fraz kluczowych, w celu prezentowania bardziej trafnych wyników. Czy graf wiedzy spełnia pokładane w nim nadzieje?

Zmiany w algorytmie Google są dostrzegane przede wszystkim przez specjalistów SEO i przez nich przeważnie szeroko komentowane. Jednak  ostatnia zmiana, promowana na Google I/O została zauważona przez wszystkich użytkowników wyszukiwarki. Mowa tutaj o tzw. graf wiedzy służącym do przedstawiania dodatkowych informacji w ramach wyników wyszukania.

Początki wyszukiwania semantycznego

Wyszukiwanie semantyczne ma na celu poprawę dokładności wyszukiwania i prezentację trafniejszych wyników poprzez zrozumienie intencji i kontekstu wpisywanych fraz kluczowych. Google systematycznie stara się rozbudowywać wyniki wyszukiwania bezpośrednio o informacje zgodne z intencjami użytkownika. Możemy między innymi sprawdzić repertuar kin

przy czym intencje te nie zawsze są poprawne, co z kolei widać na przykładzie frazy ale kino!

Rozszerzone wyniki wyszukiwania poinformują nas bezpośrednio o pogodzie

lub przedstawią wynik działania matematycznego, od niedawna w formie kalkulatora

Odbyło sie nawet szkolenie online Power Searching with Google, w ramach którego edukowano między innymi jak rozwiązywać codzienne problemy za pomocą odpowiedzi serwowanych przez Google.

Kolejnym krokiem w kierunku wyszukiwania semantycznego jest graf wiedzy, który zadebiutował najpierw w wersji anglojęzycznej, nazywany przez Google jedną z najważniejszych innowacji, od której zależy przyszłość wyszukiwania:

Semantyka, czyli Wikipedia w wynikach wyszukiwania?

Aby lepiej poznać graf wiedzy należy cofnąć się do marca 2012, kiedy narodził się projekt Wikidata – semantycznej bazy wiedzy powstałej na bazie informacji zawartych w Wikipedii. Warty odnotowania jest fakt, że Google sfinansował 25% wartego 1,3 mln Euro projektu.
Informacje na przykładzie Ryana Goslinga zawarte w Wikidata są prezentowane w następujący sposób:

Zależności od informacji zawartych w Wikipiedii można zauważyć na przykładzie zapytania „Katyń” w Google i Wikipedii:

Bezpośrednie odpowiedzi na zapytania w praktyce

Po szumnych zapowiedziach Google opisującego zmiany, także w ramach filmu promującego, muszę przyznać, że mocno się rozczarowałem testując je w praktyce.

Zapytanie dotyczące Nagrody Nobla rozczarowuje zarówno w wersji polskiej , w której graf wiedzy nie jest w ogóle prezentowany, jak i w wersji angielskiej:

a odpowiedzi na takie pytania jak:

• ile kobiet dostało nagrodę nobla
• laureatki nagrody nobla

są nadal pieśnią przyszłości.

Dotyczy to także przykładów zapowiadanych od dłuższego czasu w kontekście wyszukiwania semantycznego i nadchodzących zmian w wyszukiwarce Google, jak i wcześniej zapowiadane (przez: Techrunch, The Wall Street Journa) zapytania:

• which of the world’s ten largest cities have a female mayor
• what are the 10 largest lakes in california

Do ciekawszych bezpośrednich odpowiedzi należą te dotyczące nagród

oraz zarobków:


Niedoskonałości grafu wiedzy

Aby dowiedzieć się w jakim najnowszym filmie zagra Johnny Depp należy zadać pytanie o najbliższą premierę

a nie najnowszy film.

Nie otrzymamy także informacji o otrzymanych Oscarach:

• nagrody: operacja argo
• nagrody: Oscar za najlepszy film

pomimo tego, że informacje te są wyświetlane w ramach grafu wiedzy dotyczącego filmu:


W przypadku Gdańska nie dowiemy się o liczbie mieszkańców w odróżnieniu od Warszawy

Polityka to grząski temat o czym przekonało się Google wyświetlając jako główne zdjęcie karykaturalne

na frazy, takie jak \"premier rp\".

Z dużo większym opóźnieniem usunięte zostało zdjęcie

Romana Giertycha.

Różnice między grafem wiedzy w języku polskim i angielskim

W porównaniu z rynkami na których graf wiedzy zadebiutował wcześniej, można zauważyć brak wyświetlania informacji o wydarzeniach bieżących, co widoczne jest na przykładzie Carnegie Hall

i Ergo Areny.

Odno się to także do informacji o koncertach w Polsce, na przykładzie Hugh Laurie

który wystąpi w Polsce, o czym można dowiedzieć się dzięki mikroformatom przy innego rodzaju zapytaniu

Które serwisy stracą najwięcej ruchu?

Na wprowadzeniu nowości, pod kątem ruchu z Google, ucierpi oczywiście Wikipedia.
Wraz z udoskonalaniem grafu coraz więcej serwisów będzie mogło odnotować mniejszy ruch z wyszukiwarki Google pomimo wysokich pozycji. W większości przypadków wpisując zapytanie dotyczące filmy czy aktora użytkownicy nie będą mieli potrzeby odwiedzać serwisów filmowych, skoro informacje takie jak rok powstania filmu czy wiek aktora będą wyświetlane bezpośrednio w wyszukiwarce:

Już teraz graf wiedzy wyświetlany jest na 50% fraz, które generują największą liczbę odwiedzin w serwisie Filmweb według danych Alexy

Stracą również serwisy, które starają się odpowiedzieć na pytania zadawane przez internautów


Celem instytutu Allena, które w największym stopniu sfinansowało projekt Wikidata jest wspieranie dalekosiężnych działań badawczych przyspieszających postępy w sztucznej inteligencji, która obejmuje także wyszukiwanie semantyczne. Trzymam kciuki za wdrożenie przez Google grafu wiedzy w takim stopniu, aby widoczny rozwój sztucznej inteligencji przyświecającej projektowi Wikidata stał się faktem.

Miłosz Woźniak

Pobierz ebook "Social media marketing dla firm i agencje się w nim specjalizujące"